一、数据库设计与类的设计融合
核心要点
-
类与数据模型的关系
- 类对应实体，类属性映射数据表字段，类关系（继承/组合/关联）决定表间关系设计。
- 正确识别类间关系是数据模型关键，需通过业务场景分析提炼核心实体及其交互。
-
建模的艺术性
- 无唯一"正确"模型，但存在"好模型"标准：
✅ 全生命周期成本最小化 （开发+维护+演化成本）
✅ 可扩展性 （适应业务变化，如字段增减、关系调整）
❌ 避免仅聚焦开发成本，忽视长期维护代价。
- 无唯一"正确"模型，但存在"好模型"标准：
-
设计方法论
- 迭代识别法：通过用例驱动识别候选类 → 筛选核心类 → 定义类关系 → 映射数据表结构。
- 模式复用：采用设计模式（如工厂模式）解耦业务逻辑与数据访问逻辑。
二、数据库设计与XML设计融合
XML文档分类与存储策略
| 类型 | 特点 | 适用场景 | 存储方式 |
|---|---|---|---|
| 数据为中心 | 结构规则、内容同质 | 电商订单、传感器数据 | 数据库存储（字段拆分） |
| 文档为中心 | 结构不规则、内容混合 | 产品说明书、邮件内容 | 文件存储（BLOB/CLOB） |
XML存储方案对比
-
文件存储
- 缺点：无法查询内部数据、管理困难、性能低下（全文检索效率低）。
- 适用：内容无需结构化查询的文档（如合同存档）。
-
数据库存储
- 优点：支持结构化查询、事务管理、并发控制（如Oracle XML DB）。
- 挑战 ：XML嵌套结构需映射为关系表（通过
XMLSchema定义约束）。
XML作为数据库的局限
- 适用场景：小数据量、低并发需求（如配置管理）。
- 不适用场景：高并发交易系统（缺事务隔离、索引优化弱）。
- XML数据库定义：持久化XML文档集合，需符合Schema校验，支持XQuery查询。
三、物联网层次架构设计
四层核心架构
-
感知层
- 终端设备（传感器/RFID）采集数据 → 边缘计算初步处理。
- 设计重点：低功耗通信（ZigBee/LoRa）、设备轻量化协议（MQTT-SN）。
-
网络层
- 数据传输通道（4G/5G/NB-IoT） → 网关协议转换（MQTT→HTTP）。
- 安全挑战：设备认证（DTLS）、数据加密（TLS 1.3）。
-
平台层
- 设备管理（接入控制）、数据存储（时序数据库InfluxDB）、分析引擎（Spark Streaming）。
- 关键技术：规则引擎（动态响应设备事件）、API网关（开放能力）。
-
应用层
- 行业解决方案（如智能家居、工业监控） → 提供用户交互界面。
- 案例：电子小票系统通过RFID自动生成消费记录。
四、层次式架构案例分析
案例1：PetShop电商系统
- 分层设计 ：
表现层 ：ASP.NET MVC动态生成页面
业务层 ：订单处理工作流（状态机模式）
数据层：工厂模式封装SQL Server/Oracle差异 - 亮点 ：
- UIP（用户界面处理）模式统一Web/WinForm交互逻辑
- 连接池管理降低数据库开销
案例2：电子小票服务系统
- 物联网架构落地 ：
- 感知层：POS机扫码/RFID标签
- 平台层：Kafka消峰处理交易流水
- 应用层：大数据分析消费行为（关联Lambda架构）
- 价值：减少纸质小票成本，实现精准营销。
考点聚焦与真题示例
-
高频考点
- 类图到数据库表的映射规则（如继承→单表/多表策略）
- XML存储选型依据（结构化程度 vs 查询需求）
- 物联网层次职责划分（感知层≠数据传输）
-
典型试题
Q: 某系统需存储不规则医疗报告（含图文混合），请选择存储方案并说明原因。
A: 选择文件存储（如MongoDB GridFS），因内容结构松散且无需深度查询，数据库存储会导致字段冗余。 -
论文写作提示
- 结合项目说明分层架构如何解决性能瓶颈（如数据库连接池优化）。
- 对比XML与JSON在数据交换中的优劣（考题趋势）。